[发明专利]一种基于软件定义车联网的自适应路由方法

说明书

本发明公开了一种基于软件定义车联网的自适应路由方法，通过本地控制器可以获取车辆节点的ID、位置和速度信息，上述信息结合本地的电子地图可以提取出用于表征实时交通状况的特征数据，通过中央控制器和本地控制器的协同，可以构建用于选择路由策略的决策模型并实时对决策模型进行更新，进而实现为特定交通场景选择最优的路由策略。

技术领域

本发明涉及车联网无线通信技术领域，特别提供了一种基于软件定义车联网的自适应路由方法。

背景技术

车辆通信对于实现智能交通至关重要。V2X是车辆与一切可能影响车辆的实体实现信息交互，目的是减少事故发生，减缓交通拥堵以及提供其他的信息服务。车辆自组织网络(VANET)是过去20年的研究热点，基于车载设备和路边单元等硬件设备，通过一定的路由策略，实现车辆通信。软件定义网络(SDN)最初被用于有线网络，由于SDN架构将控制平面和数据转发平面分离，可以实现网络的灵活控制和管理，所以近些年被逐渐应用于无线网络。软件定义车联网(SDVN)成为实现车辆通信的一种更优的解决方案。

在本领域的公知技术中，研究人员一般是基于传统的车辆自组织网络架构并且针对特定的场景进行路由策略的制定。部分研究人员针对路由策略的自适应能力做了改进，主要分为以下几类：⑴考虑了几种交通场景，根据一些参数的变化进行路由策略的转换，提出混合式的自适应路由方案；⑵应用了智能优化算法优化路由度量的选择；⑶使用机器学习算法对路由算法进行改进，提高自适应能力。另外，还有研究人员基于软件定义网络架构提出集中式的路由方案。由于拓扑的高动态性，有效地预测拓扑的变化是一个难点。

在公知技术中，M.Al-Rabayah等人在《A New Scalable Hybrid RoutingProtocol for VANETs》提出了一种混合式路由方案，结合了反应式路由以及基于地理位置的路由协议，当位置信息无法有效获取时则切换到反应式路由协议。D.Tian等人在《AMicrobial Inspired Routing Protocol for VANETs》中提出了使用细胞吸引子的选择机制来选择路由中的下一跳节点，通过路由反馈数据包，它可以自我调整以适应动态变化的环境。J.Wu等人在《Reinforcement Learning Based Mobility Adaptive Routing forVehicular Ad-Hoc Networks》中提出了一种基于强化学习的自适应路由协议，该路由协议使用分布式Q-learning，以Q表更新的形式，通过周期性的HELLO数据包，主动学习并获得网络链路最新状态。这种方式提高了路由策略的自适应能力。

另外，在公知的技术中，Huma Ghafoor等人在《CR-SDVN:A Cognitive RoutingProtocol for Software-Defined Vehicular Networks》中提出了一种基于混合式软件定义车联网架构的认知路由协议，主控制器和本地控制器分别用于构建全局网络拓扑结构和本地网络拓扑结构，分别考虑了源节点在本地控制器通信范围内和不在本地控制器通信范围内的两种情况。X.Ji等人在《SDGR:An SDN-Based Geographic Routing Protocol forVANET》中提出了一种基于软件定义车联网架构的地理位置路由协议(SDGR)。SDGR在控制器全局视图的基础上，利用电子地图、节点位置、车辆密度等信息计算出最优路径，减少了车辆通信出现拥塞的情况。S B.Dong等人在《Software Defined Networking Based On-Demand Routing Protocol in Vehicle Ad Hoc Networks》中提出了一种基于软件定义网络架构的按需路由协议(SVAO)。SVAO采用了两级结构，全局模式是本地控制器之间的数据包转发，本地模式是本地车辆之间的数据包转发。刘凯等人提出了一种基于软件定义车联网的路由方法，车辆节点周期地向控制器上传位置信息、运动信息以及邻居节点信息，控制器由此生成全局路由表，车辆节点向控制器请求其通往目标节点的路由信息，控制器根据请求并向该节点发送路由信息，车辆节点根据路由信息与下一跳节点通过短程无线通信技术连接并传输数据报文。